具有非参数效用的连续行动博弈学习的可证明样本复杂度保证
计算机科学与博弈论
2022-09-16 v1 机器学习
机器学习
摘要
在本文中，我们研究学习具有非参数效用函数的连续行动博弈的精确结构这一问题。我们提出了一种 正则化方法，该方法促使所恢复效用的傅里叶变换系数具有稀疏性。我们的方法通过访问极少的纳什均衡及其带噪效用而工作。在某些技术条件下，我们的方法还能恢复这些效用函数的精确结构，从而恢复博弈的精确结构。此外，就玩家数量而言，我们的方法仅需要对数数量的样本，并以多项式时间运行。我们遵循原始对偶见证（primal-dual witness）框架来提供可证明的理论保证。
引用
@article{arxiv.2004.01022,
title = {Provable Sample Complexity Guarantees for Learning of Continuous-Action Graphical Games with Nonparametric Utilities},
author = {Adarsh Barik and Jean Honorio},
journal= {arXiv preprint arXiv:2004.01022},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:1911.04225